Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Ha túllépünk az üzemanyag visszaélések visszaszorításának kérdésén, a kamionok nyomkövetési adatai igazi aranybányát jelentetnek.
2026: ez a választás az IT munkaerőpiacot is megbolygatja
Évindító adásunk tradicionálisan az IT munkaerőpiaccal kapcsolatos 2026-os prognózisainkat foglalja keretbe.
|
2026: ez a választás az IT munkaerőpiacot is megbolygatja
Évindító adásunk tradicionálisan az IT munkaerőpiaccal kapcsolatos 2026-os prognózisainkat foglalja keretbe.
A sofőrök rangsorolása, a fuvarok árazása, az ideális útvonalak kiválasztása mind-mind olyan terület, ahol a gépi tanulási algoritmusok segítségével jelentős megtakarítások érhetők el. Gáspár Csaba, a Dmlab vezető data scientistje HWSW free! meetup-sorozat machine learning állomásán elhangzott és alább megtekinthető előadásában néhány technológiai, algoritmikai kérdésen túl rávilágít arra is, hogyan lehet kisebb pilot projekteken, adat-alapú döntéstámogató megbízásokon keresztül oda eljutni, hogy egy üzemeltethető, real-time működő sofőrtámogató rendszerünk legyen. Az előadás kitér arra is, hogy milyen kihívásokat hoz, ha az adatok irányába éppen most nyitni készülő szervezet szakértőivel kell együtt dolgoznunk. 5 év, 8 projekt és két termék története dióhéjban.
Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Még több videó
2026: ez a választás az IT munkaerőpiacot is megbolygatja
Évindító adásunk tradicionálisan az IT munkaerőpiaccal kapcsolatos 2026-os prognózisainkat foglalja keretbe.2026: ez a választás az IT munkaerőpiacot is megbolygatja Évindító adásunk tradicionálisan az IT munkaerőpiaccal kapcsolatos 2026-os prognózisainkat foglalja keretbe.
A sofőrök rangsorolása, a fuvarok árazása, az ideális útvonalak kiválasztása mind-mind olyan terület, ahol a gépi tanulási algoritmusok segítségével jelentős megtakarítások érhetők el. Gáspár Csaba, a Dmlab vezető data scientistje HWSW free! meetup-sorozat machine learning állomásán elhangzott és alább megtekinthető előadásában néhány technológiai, algoritmikai kérdésen túl rávilágít arra is, hogyan lehet kisebb pilot projekteken, adat-alapú döntéstámogató megbízásokon keresztül oda eljutni, hogy egy üzemeltethető, real-time működő sofőrtámogató rendszerünk legyen. Az előadás kitér arra is, hogy milyen kihívásokat hoz, ha az adatok irányába éppen most nyitni készülő szervezet szakértőivel kell együtt dolgoznunk. 5 év, 8 projekt és két termék története dióhéjban.
Meg lehet-e tanulni az adatokból, kik a jó kamionsofőrök?
Még több videó